Direction interministérielle du numérique, Services du Premier ministre 🇫🇷
AI Product Lead : depuis janvier 2026

Au sein du département IA dans l'État (IAE, ex-Etalab) de la DINUM, je contribue à intégrer l'IA dans les services publics : dans les outils des agents comme dans les services accessibles aux citoyens.

Le contexte

Les données publiques françaises sont abondantes mais mal exposées pour l'IA. Le trafic humain sur les portails baisse, les appels API explosent (340 M en 2025 sur la DILA, ×2 par rapport à 2024). Les agents et assistants IA deviennent de gros consommateurs de données publiques, mais ces données ne sont pas dans les formats dont ils ont besoin.

Le problème n'est pas le modèle, c'est la donnée. Et la donnée n'est pas absente : elle est mal exposée.

La mission : cinq fronts

• Ouvrir les données publiques à l'IA : coordination des serveurs MCP, CLI et skills qui connectent les modèles aux données publiques, et accompagnement des administrations qui exposent leurs propres données.
• Équiper les développeurs de l'État : une stack de code agentique souveraine, avec les standards de l'État embarqués dès la conception (design system, accessibilité RGAA, sécurité).
• Structurer les pratiques d'évaluation IA : jeux de données de référence, LLM-as-a-judge, méthodes adaptées à chaque type de produit.
• Veille sur l'IA agentique et les nouveaux usages, pour en tirer des enseignements actionnables.
• Coaching produit des équipes de l'incubateur IA de l'État (ALLiaNCE) et réflexion sur la stratégie des services IA aux citoyens.

L'approche : initialiser, prouver, transférer

Sur chaque sujet : on fait une première version pour montrer que c'est possible, on met en circulation et on collecte des retours, puis on transfère à l'administration métier qui prend la main et améliore.

Évaluation des modèles d'IA

Choisir un modèle sur des chiffres plutôt que sur une démo, savoir ce que vaut un produit en production, mesurer l'effet de chaque changement.

Un assistant juridique : une méthode réplicable

• Jeu de données de référence de 100 questions sur 8 catégories juridiques, construit à partir de conversations réelles
• LLM-as-a-judge pour comparer plusieurs approches
• +16 % de qualité par rapport à la référence avec l'approche hybride retenue, déployée en production

Transcription audio et documents scannés

• Benchmark de modèles ouverts et commerciaux sur un corpus représentatif de l'administration : environ 10 % d'erreurs en moins par rapport au système actuel
• Contribution au banc d'évaluation open source eval-transcript, qui mesure le taux d'erreur mot et qualifie la gravité des erreurs avec un panel de LLM juges
• Auteur d'eval-ocr-htr, banc d'évaluation open source qui compare des modèles de reconnaissance de texte (OCR et HTR) sur des documents manuscrits scannés, via l'inférence souveraine de l'État

Un guide public pour l'État

• J'ai rédigé le guide des évaluations de systèmes d'IA, qui recense les pratiques d'évaluation de l'administration pour que chaque équipe réutilise ce qui existe au lieu de repartir de zéro

Code agentique souverain

Les agents publics utilisent déjà des assistants de code commerciaux, et les standards de l'État (design system, accessibilité, sécurité) restent à configurer à la main, projet par projet.

Une stack open source pour les agents publics

• Albert Code, porté par la DINUM : un agent de code open source branché sur l'inférence souveraine de l'État, exécuté dans une machine virtuelle isolée, avec les skills État proposées à l'installation
• Albert Code est lui-même développé avec un agent de code

Investigation et prototypes

• 30+ entretiens dans les ministères
• Benchmark comparatif d'agents de code sur inférence souveraine, 3 POC livrés

Skills État : les standards de l'État dans les assistants de code

• Dépôt etalab-ia/skills, dont je suis l'auteur : DSFR, RGAA, sécurité ANSSI, data.gouv.fr, La Suite

Coordination de l'exposition des données

• Serveur MCP data.gouv.fr : coordination et suivi produit du serveur qui connecte les modèles d'IA à l'open data français ; 45 M de requêtes en 100 jours.
• Accompagnement des administrations qui exposent leurs données dans des formats prêts pour l'IA (MCP, CLI, skills) : data.gouv, ANSSI, IGN, France Travail, DILA / Légifrance, Éducation nationale, CEA ; retours d'expérience, questions-réponses, aide à la conception, articles de vulgarisation.

Interventions

• Claude Code Paris 02, février 2026 : MCP Leading the People, connecter les assistants IA aux données publiques françaises. Slides de Claude Code Paris 02
• Atelier MCP, rencontre de l'incubateur IA de l'État (ALLiaNCE), 20 janvier 2026 : le Model Context Protocol expliqué à des agents publics non techniques, avec des démonstrations branchées sur le serveur MCP de data.gouv.fr. Slides de l'atelier MCP
• Sovereign Agents Blitz Hackathon 2026, 29 avril 2026 : présentation des serveurs MCP de l'État aux participants.
• Plusieurs talks donnés dans l'administration sur les nouveaux formats de données pour l'IA.

Convictions portées

• L'IA pour le secteur public se gagne sur les données et leur disponibilité dans le bon format au bon moment, pas sur le modèle
• Les Skills État sont aussi un levier de sécurisation proactive : les bonnes pratiques (ANSSI, RGAA) intégrées dès le développement plutôt qu'auditées après coup
• Une bonne offre data est multi-format by design : un même dataset doit être disponible en API, MCP, Parquet, collection vectorielle selon l'usage